COCO人体关键点检测数据制作_coco关键点检测17点标注模型

1 数据标签格式

COCO数据集主页：http://cocodataset.org
COCO关键点检测数据共有17个关键点，点的位置如图：

标注文件中，每一个检测框共有56个标签值，他们分别是：

类别只有人（0）
关键点 [*_x, *_y, *_v] 表示该点的位置（x, y）以及可见性（v）
v=0（not label）；v=1（labeled not_visible）；v=2（labeled visible）
标注结果按照yolo格式存储，目标框和坐标需要分别除以图像的高宽

2 标注软件

coco-annotator标注软件需要使用docker-compose进行安装，windows用户可以使用WSL先安装ubuntu，然后再安装docker，最后安装coco-annotator

2.1 进入coco-annotator

1. docker-compose up
2. 浏览器输入：http://localhost:5000
3. 注册用户
4. 登录用户
   

2.2 创建类别标签

关键点为上述的17个关键点，并可以根据图中的方式添加关键点之间的连接

2.3 创建数据集

在创建数据集时记得将之前创建的标签导入，最后会在coco-annotator目录下的dataset生成对应的数据集文件夹，且进入数据集图片为空

2.4 导入数据

将需要标注的数据导入到相应目录下，我的目录是：

windows用户可通过Mobaxterm进行数据传输，他会自动创建安装的WSL连接

数据传输完成了，刷新网页，如果仍然没有图片可以点击scan进行扫描

2.5 数据标注

标注界面如图，如果没有红框中的标签信息，返回数据集将创建的标签导入就行

1. 点击+，框出目标人物
2. 依次标出相应的关键点，创建标签时设置了连接关系的会在标注时体现
3. 对于不可见的点，可以直接不标注，或者标注后设置可见性，例如图中的左髋设置为labeled not_visible

2.6 导出标注结果

导出标签有两种方式

1. 红框：会同时下载所选的图片和标签数据(json)，json文件为单张图片的结果
2. 黄框：会将所有的标签数据合并成一个json文件进行

coco-annotator导出的数据格式：
1、目标框：[x1, y1, w, h]
2、关键点：[x, y, v]
坐标点对应原始图像，如果需要制作成COCO关键点相同格式的数据，需要分别处理成yolo格式